Análisis exploratorio del dataframe 2¶
In [1]:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
df2=pd.read_csv("df2_FGJ_CarpetasLibertad.csv", encoding='utf-8')
print(df2.shape)
print("-----------------------------------")
#Fechas a datetime:
df2['fecha_inicio'] = pd.to_datetime(df2['fecha_inicio'], format='mixed', errors='coerce')
df2['fecha_hecho'] = pd.to_datetime(df2['fecha_hecho'], format='mixed', errors='coerce')
#Año del hecho a int:
df2['anio_hecho'] = df2['anio_hecho'].astype('Int64') #Conservando los NaT
#Creación de una columna con el mes del hecho:
df2['mes_hecho']= df2['fecha_hecho'].dt.month.astype('Int64')
asignacion={
1: 'Enero',
2: 'Febrero',
3: 'Marzo',
4: 'Abril',
5: 'Mayo',
6: 'Junio',
7: 'Julio',
8: 'Agosto',
9: 'Septiembre',
10: 'Octubre',
11: 'Noviembre',
12: 'Diciembre'}
df2['mes_hecho']=df2['mes_hecho'].map(asignacion)
print(df2.dtypes)
print("-----------------------------------")
display(df2.head(3))
print("-----------------------------------")
print(df2.isna().sum())
print("-----------------------------------")
print(df2.columns)
print("-----------------------------------")
print(pd.unique(df2['delito']))
print("-----------------------------------")
print(pd.unique(df2['categoria_delito']))
(6660, 13) ----------------------------------- anio_inicio int64 mes_inicio object fecha_inicio datetime64[ns] fecha_hecho datetime64[ns] hora_hecho object delito object categoria_delito object fiscalia object agencia object unidad_investigacion object colonia_catalogo object alcaldia_hecho object anio_hecho Int64 mes_hecho object dtype: object -----------------------------------
| anio_inicio | mes_inicio | fecha_inicio | fecha_hecho | hora_hecho | delito | categoria_delito | fiscalia | agencia | unidad_investigacion | colonia_catalogo | alcaldia_hecho | anio_hecho | mes_hecho | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2024 | Agosto | 2024-08-31 | 1975-01-30 | 06:00:00 | PRIVACION DE LA LIBERTAD PERSONAL | DELITO DE BAJO IMPACTO | FISCALÍA DE INVESTIGACIÓN TERRITORIAL EN ALVAR... | UAT-AO-4 | UI-1SD | San Angel | ALVARO OBREGON | 1975 | Enero |
| 1 | 2023 | Enero | 2023-01-20 | 1995-10-01 | 16:30:00 | PRIVACION DE LA LIBERTAD PERSONAL | DELITO DE BAJO IMPACTO | FISCALÍA DE INVESTIGACIÓN Y PERSECUCIÓN DE LOS... | B | 2 SIN DETENIDO | Bosque De Chapultepec I Seccion | MIGUEL HIDALGO | 1995 | Octubre |
| 2 | 2022 | Abril | 2022-04-11 | 1997-07-21 | 08:00:00 | PRIVACION DE LA LIBERTAD PERSONAL | DELITO DE BAJO IMPACTO | FISCALÍA DE INVESTIGACIÓN TERRITORIAL EN MIGUE... | UAT-MH-1 | UI-1SD | Santo Tomas | MIGUEL HIDALGO | 1997 | Julio |
-----------------------------------
anio_inicio 0
mes_inicio 0
fecha_inicio 1
fecha_hecho 5
hora_hecho 4
delito 0
categoria_delito 0
fiscalia 1
agencia 0
unidad_investigacion 2
colonia_catalogo 532
alcaldia_hecho 0
anio_hecho 5
mes_hecho 5
dtype: int64
-----------------------------------
Index(['anio_inicio', 'mes_inicio', 'fecha_inicio', 'fecha_hecho',
'hora_hecho', 'delito', 'categoria_delito', 'fiscalia', 'agencia',
'unidad_investigacion', 'colonia_catalogo', 'alcaldia_hecho',
'anio_hecho', 'mes_hecho'],
dtype='object')
-----------------------------------
['PRIVACION DE LA LIBERTAD PERSONAL' 'DESAPARICION FORZADA DE PERSONAS'
'SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN)' 'PLAGIO O SECUESTRO'
'TRAFICO DE INFANTES'
'PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR ACTO SEXUAL)' 'SECUESTRO'
'PRIVACIÓN DE LA LIBERTAD PERSONAL ( SI LIBERA DENTRO DE 24 HORAS)'
'SECUESTRO EXTORSIVO']
-----------------------------------
['DELITO DE BAJO IMPACTO' 'SECUESTRO' 'PLAGIO O SECUESTRO']
1. Distribución de frecuencia de las subclasificaciones del delito hacia la libertad personal de acuerdo a la fecha de apertura de las carpetas de investigación¶
Se visualizará la distribución del número de carpetas asociadas al delito sobre el bien jurídico de la libertad personal, de acuerdo a las distintas subclasificaciones legales que le son asignadas. Los registros corresponden a carpetas que fueron abiertas entre enero 2016 y enero 2025.
Nota: En este notebook cada que se mencione el concepto de delito(s), se hace referencia únicamente a los asociados a la libertad personal, pues son el objetivo del análisis.
In [2]:
print(df2['delito'].value_counts())
delito PRIVACION DE LA LIBERTAD PERSONAL 5301 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 922 PLAGIO O SECUESTRO 227 DESAPARICION FORZADA DE PERSONAS 120 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR ACTO SEXUAL) 57 TRAFICO DE INFANTES 19 SECUESTRO EXTORSIVO 11 PRIVACIÓN DE LA LIBERTAD PERSONAL ( SI LIBERA DENTRO DE 24 HORAS) 2 SECUESTRO 1 Name: count, dtype: int64
In [3]:
#Clasificando el único dato de secuestro dentro de la categoría plagio o secuestro:
df2.loc[df2['delito'] == 'SECUESTRO', 'delito'] = 'PLAGIO O SECUESTRO'
total_denuncias_por_delito=df2['delito'].value_counts()
print(f'El número total de denuncias registradas por tipo de delito contra la libertad personal, de enero 2016 a enero 2025 es: \n \n {total_denuncias_por_delito}')
El número total de denuncias registradas por tipo de delito contra la libertad personal, de enero 2016 a enero 2025 es: delito PRIVACION DE LA LIBERTAD PERSONAL 5301 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 922 PLAGIO O SECUESTRO 228 DESAPARICION FORZADA DE PERSONAS 120 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR ACTO SEXUAL) 57 TRAFICO DE INFANTES 19 SECUESTRO EXTORSIVO 11 PRIVACIÓN DE LA LIBERTAD PERSONAL ( SI LIBERA DENTRO DE 24 HORAS) 2 Name: count, dtype: int64
In [4]:
import warnings
warnings.filterwarnings('ignore')
print(f'Fecha de apertura de carpeta más antigua: {df2['fecha_inicio'].min()}')
print(f'Fecha de apertura de carpeta más reciente: {df2['fecha_inicio'].max()}')
print("-----------------------------------")
plt.figure(figsize=(10, 6))
sns.countplot(y='delito', data=df2, order=df2['delito'].value_counts().index, palette='Set2')
plt.title('Frecuencia de registros por tipo de delito contra la libertad personal entre enero 2016 y enero 2025', color='brown', fontsize=15)
plt.show()
Fecha de apertura de carpeta más antigua: 2016-01-03 00:00:00 Fecha de apertura de carpeta más reciente: 2025-01-31 19:26:42 -----------------------------------
In [5]:
#print(df2.groupby("anio_hecho")["delito"].count())
#print(df2.groupby("mes_hecho")["delito"].count())
2. Distribución de la frecuencia del delito hacia la libertad personal a lo largo del tiempo para detectar patrones¶
Se presentará una visualización de frecuencia del delito contra la libertad personal en términos temporales, de acuerdo a tres variables: el año del hecho, el mes del hecho y el número de registros.
La visualización consiste en lo siguiente:
Se busca implementar un algoritmo K-means para detectar patrones temporales, pues un método de clustering precisamente nos ayudaría a agrupar datos con perfiles temporales que poseen alguna similitud entre sí. Se aplicará el K-means sobre una matriz asociada a un mapa de calor.
Sobre el mapa de calor:
Se abordará a partir de una tabla de pivote, el multi-index asociado es la columna 'anio_hecho'. Primero se trabajará una tabla general con todos los datos de la fecha de hecho, para después evaluar posibles valores capaces de sesgar el clustering.
In [6]:
#Tabla pivote general:
multindex_año=df2.pivot_table(index="anio_hecho", columns="mes_hecho", values="delito", aggfunc="count")
sns.heatmap(multindex_año, annot=True, fmt=".0f", cmap="YlOrRd")
plt.show()
In [7]:
#Se abordarán únicamente columnas entre 2026 y 2024, los escasos valores mensuales entre los demás años pueden sesgar el agrupamiento:
df2_16_24=df2[(df2['anio_hecho'] >= 2016) & (df2['anio_hecho'] <= 2024)]
display(df2_16_24.head(2))
print("-----------------------------------")
print(df2_16_24.shape)
pivote_clus=df2_16_24.pivot_table(index="anio_hecho", columns="mes_hecho", values="delito", aggfunc="count")
| anio_inicio | mes_inicio | fecha_inicio | fecha_hecho | hora_hecho | delito | categoria_delito | fiscalia | agencia | unidad_investigacion | colonia_catalogo | alcaldia_hecho | anio_hecho | mes_hecho | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 60 | 2016 | Enero | 2016-01-03 | 2016-01-02 | 05:00:00 | PRIVACION DE LA LIBERTAD PERSONAL | DELITO DE BAJO IMPACTO | INVESTIGACIÓN EN VENUSTIANO CARRANZA | VC-3 | UI-1CD | Arenal Puerto Aereo | VENUSTIANO CARRANZA | 2016 | Enero |
| 61 | 2016 | Enero | 2016-01-04 | 2016-01-03 | 00:30:00 | PRIVACION DE LA LIBERTAD PERSONAL | DELITO DE BAJO IMPACTO | INVESTIGACIÓN PARA LA ATENCIÓN DEL DELITO DE S... | FAS | UI-3CD | Tabacalera | CUAUHTEMOC | 2016 | Enero |
----------------------------------- (6577, 14)
In [8]:
#Método del codo para determinar el K óptimo:
pivote_filled=pivote_clus.fillna(0) #Por protocolo
from sklearn.cluster import KMeans
K = range(1, 10)
inertia = []
for k in K:
kmeans = KMeans(n_clusters=k, random_state=42)
kmeans.fit(pivote_filled)
inertia.append(kmeans.inertia_)
plt.plot(K, inertia, marker='o')
plt.title('Método del codo', color='brown')
plt.xlabel('k')
plt.ylabel('WCSS')
plt.xticks(K)
plt.grid(True)
plt.show()
In [9]:
#K óptimo de acuerdo al método del codo:
k_optimo=3
#Definiendo el K-means
kmeans=KMeans(n_clusters=k_optimo, random_state=42)
clusters=kmeans.fit_predict(pivote_filled)
#Mostrando los clusters
pivote_filled['cluster'] = clusters
pivote_ord=pivote_filled.sort_values('cluster')
sns.heatmap(pivote_ord, annot=True, fmt=".0f", cmap="YlOrRd")
plt.title("Clusters por año y mes de registros de delitos, entre 2016 y 2024", color='brown')
plt.xlabel("Mes")
plt.ylabel("Año")
plt.show()
3. Análisis del número de carpetas por fechas del hecho:¶
In [10]:
print(f'Fecha del hecho más antigua: {df2['fecha_hecho'].min()}')
print(f'Fecha del hecho más reciente: {df2['fecha_hecho'].max()}')
print("-----------------------------------")
print(pd.unique(df2['anio_hecho']))
print("-----------------------------------")
cuentas_delito_añohecho=df2['anio_hecho'].value_counts()
print(f'El número de delitos por año del hecho es: \n \n {cuentas_delito_añohecho}')
print("-----------------------------------")
total_delito_añohecho=cuentas_delito_añohecho.sum() + 5 #5 datos NaN
print(f'El número total de cuentas donde se tiene registrado un año del hecho es: {total_delito_añohecho}')
print("-----------------------------------")
cuentas_16_24=df2_16_24['anio_hecho'].value_counts().sum()
print(f'El número total de cuentas donde el año del hecho está entre 2016 y 2024 es: {cuentas_16_24}')
print("-----------------------------------")
cuentas_NAN=5
print(f'El número de valores nulos en el año de hecho es: {cuentas_NAN}')
print("-----------------------------------")
porcentaje_16_24=(cuentas_16_24 / total_delito_añohecho)*100
print(f'El porcentaje de datos que se encuentran entre el año del hecho 2016 y 2024 es: {porcentaje_16_24: .2f}%')
print("-----------------------------------")
porcentaje_NAN=(cuentas_NAN/ total_delito_añohecho)*100
print(f'El porcentaje de datos indeterminados en cuanto al año del hecho es: {porcentaje_NAN: .2f}%')
print("-----------------------------------")
porcentaje_75_15_25= 100-porcentaje_16_24-porcentaje_NAN
print(f'El porcentaje de datos que se encuentran entre 1975 a 2015 y en 2025 es: {porcentaje_75_15_25: .2f}%')
print("-----------------------------------")
print(porcentaje_16_24+porcentaje_NAN+porcentaje_75_15_25)
Fecha del hecho más antigua: 1975-01-30 00:00:00 Fecha del hecho más reciente: 2025-01-30 16:20:00 ----------------------------------- <IntegerArray> [1975, 1995, 1997, 2001, 2004, 2005, 2007, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021, 2022, 2023, 2024, 2025, <NA>] Length: 25, dtype: Int64 ----------------------------------- El número de delitos por año del hecho es: anio_hecho 2019 1241 2017 918 2018 849 2020 731 2016 730 2021 652 2022 568 2023 538 2024 350 2015 29 2025 18 2013 8 2014 6 2011 3 2012 2 2010 2 2005 2 2001 2 1995 1 2009 1 2007 1 2004 1 1997 1 1975 1 Name: count, dtype: Int64 ----------------------------------- El número total de cuentas donde se tiene registrado un año del hecho es: 6660 ----------------------------------- El número total de cuentas donde el año del hecho está entre 2016 y 2024 es: 6577 ----------------------------------- El número de valores nulos en el año de hecho es: 5 ----------------------------------- El porcentaje de datos que se encuentran entre el año del hecho 2016 y 2024 es: 98.75% ----------------------------------- El porcentaje de datos indeterminados en cuanto al año del hecho es: 0.08% ----------------------------------- El porcentaje de datos que se encuentran entre 1975 a 2015 y en 2025 es: 1.17% ----------------------------------- 100.0
4. Análisis del delito por alcaldía¶
La visualización y análisis del delito por alcaldía será de la siguiente manera:
- Parte 4.1: Consiste en determinar y visualizar el número total de registros de delitos contra la libertad personal por alcaldía.
- Parte 4.1.1: Conclusiones sobre la Parte 4.1
- Parte 4.2: Determinar y visualizar el número total de subtipos del delito entorno a la libertad personal por alcaldía.
- Parte 4.2.1: Conclusiones sobre la Parte 4.2
- Parte 4.3: Determinar y visualizar la frecuencia de registros del delito en intervalos de una hora en CDMX.
- Parte 4.3.1: Conclusiones sobre la Parte 4.3
- Parte 4.4: Determinar y visualizar la frecuencia de registros del delito en intervalos de una hora por alcaldía.
- Parte 4.4.1: Conclusiones sobre la Parte 4.4
Nota: Todo lo anterior se hará considerando las conclusiones en la parte 4 sobre el porcentaje del total de observaciones que ocupa el número de datos de acuerdo al año del hecho.
In [11]:
print(df2.columns)
print("-----------------------------------")
print(pd.unique(df2['delito']))
print("-----------------------------------")
print(pd.unique(df2['alcaldia_hecho']))
print("-----------------------------------")
total_hechos_alcaldia=df2['alcaldia_hecho'].value_counts()
print(f'El número total de delitos por alcaldía es: \n \n {total_hechos_alcaldia}')
Index(['anio_inicio', 'mes_inicio', 'fecha_inicio', 'fecha_hecho',
'hora_hecho', 'delito', 'categoria_delito', 'fiscalia', 'agencia',
'unidad_investigacion', 'colonia_catalogo', 'alcaldia_hecho',
'anio_hecho', 'mes_hecho'],
dtype='object')
-----------------------------------
['PRIVACION DE LA LIBERTAD PERSONAL' 'DESAPARICION FORZADA DE PERSONAS'
'SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN)' 'PLAGIO O SECUESTRO'
'TRAFICO DE INFANTES'
'PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR ACTO SEXUAL)'
'PRIVACIÓN DE LA LIBERTAD PERSONAL ( SI LIBERA DENTRO DE 24 HORAS)'
'SECUESTRO EXTORSIVO']
-----------------------------------
['ALVARO OBREGON' 'MIGUEL HIDALGO' 'IZTAPALAPA' 'GUSTAVO A. MADERO'
'CUAUHTEMOC' 'AZCAPOTZALCO' 'VENUSTIANO CARRANZA' 'TLALPAN' 'COYOACAN'
'BENITO JUAREZ' 'CUAJIMALPA DE MORELOS' 'XOCHIMILCO'
'LA MAGDALENA CONTRERAS' 'MILPA ALTA' 'TLAHUAC' 'IZTACALCO']
-----------------------------------
El número total de delitos por alcaldía es:
alcaldia_hecho
IZTAPALAPA 3125
CUAUHTEMOC 477
GUSTAVO A. MADERO 393
ALVARO OBREGON 362
TLALPAN 329
AZCAPOTZALCO 299
VENUSTIANO CARRANZA 277
BENITO JUAREZ 263
MIGUEL HIDALGO 234
COYOACAN 231
IZTACALCO 178
XOCHIMILCO 139
TLAHUAC 134
CUAJIMALPA DE MORELOS 92
LA MAGDALENA CONTRERAS 81
MILPA ALTA 46
Name: count, dtype: int64
4.1 Delitos sobre la libertad personal por alcaldía:¶
In [12]:
df_general_alcaldia=total_hechos_alcaldia.reset_index()
df_general_alcaldia.columns=['alcaldia', 'total_hechos']
plt.figure(figsize=(12, 6))
sns.barplot(data=df_general_alcaldia, x='alcaldia', y='total_hechos', palette='Blues_d')
plt.title('Total de delitos por alcaldía', color='brown', fontsize=20)
plt.xlabel('Alcaldía')
plt.ylabel('Cuenta de delitos')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
4.1.1 Conclusión del análisis general de los registros del delito por alcaldía:¶
In [13]:
total_hechos_alcaldia=df2['alcaldia_hecho'].value_counts()
print(f'El número total de delitos por alcaldía es: \n \n {total_hechos_alcaldia}')
El número total de delitos por alcaldía es: alcaldia_hecho IZTAPALAPA 3125 CUAUHTEMOC 477 GUSTAVO A. MADERO 393 ALVARO OBREGON 362 TLALPAN 329 AZCAPOTZALCO 299 VENUSTIANO CARRANZA 277 BENITO JUAREZ 263 MIGUEL HIDALGO 234 COYOACAN 231 IZTACALCO 178 XOCHIMILCO 139 TLAHUAC 134 CUAJIMALPA DE MORELOS 92 LA MAGDALENA CONTRERAS 81 MILPA ALTA 46 Name: count, dtype: int64
4.2 Subtipos del delito entorno a la libertad personal por alcaldía:¶
In [14]:
#Valores de la columna 'alcaldia_hecho'
lista_alcaldias=['ALVARO OBREGON',
'AZCAPOTZALCO',
'BENITO JUAREZ',
'COYOACAN',
'CUAJIMALPA DE MORELOS',
'CUAUHTEMOC',
'GUSTAVO A. MADERO',
'IZTACALCO',
'IZTAPALAPA',
'LA MAGDALENA CONTRERAS',
'MIGUEL HIDALGO',
'MILPA ALTA',
'TLAHUAC',
'TLALPAN',
'VENUSTIANO CARRANZA', 'XOCHIMILCO']
#Ciclo for para asignar un dataframe y un barplot a cada una de las 16 alcaldías
for alcaldia in lista_alcaldias:
df_alcaldia=df2[df2['alcaldia_hecho'] == alcaldia]
df_delitos=df_alcaldia['delito'].value_counts().reset_index()
df_delitos.columns = ['delito', 'conteo']
#Con Plotly Express:
fig=px.bar(df_delitos,
x='conteo',
y='delito',
orientation='h',
title=f'Cuenta de delitos hacia la libertad personal en {alcaldia}',
labels={'conteo': 'Número de delitos', 'delito': 'Tipo de delito'})
fig.update_layout(yaxis={'categoryorder':'total ascending'})
fig.show()
#Seaborn:
#for alcaldia in lista_alcaldias:
# df_general_alcaldia=df2[df2['alcaldia_hecho'] == alcaldia]
# plt.figure(figsize=(10,6))
# sns.countplot(data=df_general_alcaldia, y='delito', order=df_general_alcaldia['delito'].value_counts().index)
# plt.title(f'Cuenta de delitos hacia la libertad personal en {alcaldia}')
# plt.xlabel('Número de delitos')
# plt.ylabel('Tipo de delito')
# plt.tight_layout()
# plt.show()
4.2.1 Conclusión del análisis de los registros de subtipos del delito por alcaldía:¶
In [15]:
#Estadísticas de cada alcaldía de acuerdo al subtipo de delito
for alcaldia in lista_alcaldias:
df_alcaldia=df2[df2['alcaldia_hecho'] == alcaldia]
df_delitos=df_alcaldia['delito'].value_counts().reset_index()
print("-----------------------------------")
print(f'El número total de subtipos de delito cometidos en la alcaldía {alcaldia} es: \n {df_delitos}')
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía ALVARO OBREGON es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 210
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 131
2 DESAPARICION FORZADA DE PERSONAS 12
3 PLAGIO O SECUESTRO 6
4 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 2
5 TRAFICO DE INFANTES 1
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía AZCAPOTZALCO es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 191
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 97
2 DESAPARICION FORZADA DE PERSONAS 11
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía BENITO JUAREZ es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 206
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 42
2 DESAPARICION FORZADA DE PERSONAS 6
3 PLAGIO O SECUESTRO 4
4 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 3
5 TRAFICO DE INFANTES 2
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía COYOACAN es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 202
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 21
2 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 5
3 PLAGIO O SECUESTRO 2
4 DESAPARICION FORZADA DE PERSONAS 1
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía CUAJIMALPA DE MORELOS es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 82
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 8
2 DESAPARICION FORZADA DE PERSONAS 1
3 PLAGIO O SECUESTRO 1
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía CUAUHTEMOC es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 386
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 57
2 DESAPARICION FORZADA DE PERSONAS 19
3 TRAFICO DE INFANTES 5
4 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 5
5 PLAGIO O SECUESTRO 5
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía GUSTAVO A. MADERO es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 315
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 54
2 DESAPARICION FORZADA DE PERSONAS 12
3 PLAGIO O SECUESTRO 4
4 TRAFICO DE INFANTES 4
5 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 4
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía IZTACALCO es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 158
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 13
2 DESAPARICION FORZADA DE PERSONAS 3
3 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 3
4 SECUESTRO EXTORSIVO 1
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía IZTAPALAPA es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 2567
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 325
2 PLAGIO O SECUESTRO 197
3 DESAPARICION FORZADA DE PERSONAS 13
4 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 12
5 SECUESTRO EXTORSIVO 9
6 PRIVACIÓN DE LA LIBERTAD PERSONAL ( SI LIBERA... 2
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía LA MAGDALENA CONTRERAS es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 66
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 7
2 DESAPARICION FORZADA DE PERSONAS 4
3 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 3
4 PLAGIO O SECUESTRO 1
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía MIGUEL HIDALGO es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 178
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 44
2 DESAPARICION FORZADA DE PERSONAS 6
3 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 4
4 PLAGIO O SECUESTRO 1
5 TRAFICO DE INFANTES 1
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía MILPA ALTA es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 41
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 2
2 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 2
3 DESAPARICION FORZADA DE PERSONAS 1
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía TLAHUAC es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 120
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 6
2 DESAPARICION FORZADA DE PERSONAS 5
3 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 3
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía TLALPAN es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 264
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 42
2 DESAPARICION FORZADA DE PERSONAS 11
3 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 5
4 PLAGIO O SECUESTRO 4
5 TRAFICO DE INFANTES 2
6 SECUESTRO EXTORSIVO 1
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía VENUSTIANO CARRANZA es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 194
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 66
2 DESAPARICION FORZADA DE PERSONAS 10
3 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 3
4 TRAFICO DE INFANTES 3
5 PLAGIO O SECUESTRO 1
-----------------------------------
El número total de subtipos de delito cometidos en la alcaldía XOCHIMILCO es:
delito count
0 PRIVACION DE LA LIBERTAD PERSONAL 121
1 SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) 7
2 DESAPARICION FORZADA DE PERSONAS 5
3 PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR AC... 3
4 PLAGIO O SECUESTRO 2
5 TRAFICO DE INFANTES 1
In [16]:
#Alcaldía más peligrosa de acuerdo al tipo de delito
df_subtipos_cuenta=df2.groupby(['delito', 'alcaldia_hecho']).size().reset_index(name='cuentas')
for delito in df_subtipos_cuenta['delito'].unique():
df_sub=df_subtipos_cuenta[df_subtipos_cuenta['delito'] == delito].sort_values(by='cuentas', ascending=False)
alcaldia_cuenta=df_sub.iloc[0]
print("-----------------------------------")
print(f"Subtipo de delito: {delito}")
print(f"Alcaldía con más casos: {alcaldia_cuenta['alcaldia_hecho']} ({alcaldia_cuenta['cuentas']} casos)")
----------------------------------- Subtipo de delito: DESAPARICION FORZADA DE PERSONAS Alcaldía con más casos: CUAUHTEMOC (19 casos) ----------------------------------- Subtipo de delito: PLAGIO O SECUESTRO Alcaldía con más casos: IZTAPALAPA (197 casos) ----------------------------------- Subtipo de delito: PRIVACION DE LA LIBERTAD PERSONAL Alcaldía con más casos: IZTAPALAPA (2567 casos) ----------------------------------- Subtipo de delito: PRIVACION DE LA LIBERTAD PERSONAL (REALIZAR ACTO SEXUAL) Alcaldía con más casos: IZTAPALAPA (12 casos) ----------------------------------- Subtipo de delito: PRIVACIÓN DE LA LIBERTAD PERSONAL ( SI LIBERA DENTRO DE 24 HORAS) Alcaldía con más casos: IZTAPALAPA (2 casos) ----------------------------------- Subtipo de delito: SECUESTRO EXPRESS (PARA COMETER ROBO O EXTORSIÓN) Alcaldía con más casos: IZTAPALAPA (325 casos) ----------------------------------- Subtipo de delito: SECUESTRO EXTORSIVO Alcaldía con más casos: IZTAPALAPA (9 casos) ----------------------------------- Subtipo de delito: TRAFICO DE INFANTES Alcaldía con más casos: CUAUHTEMOC (5 casos)
4.3 Intervalos por hora asociados a las ocurrencias del delito en CDMX¶
In [17]:
#Manejo de valores NaT: Vamos a eliminarlos en esta parte del análisis para definir los intervalos de tiempo adecuadamente.
#Al ser cuatro valores únicamente, anteriormente vimos que representa menos del 0.08% de los registros que se tienen, por lo que no será mucho problema dropearlos.
df_hora_delito=df2.dropna(subset=['hora_hecho'])
print(df_hora_delito.isna().sum())
print("-----------------------------------")
display(df_hora_delito.head(2))
anio_inicio 0 mes_inicio 0 fecha_inicio 1 fecha_hecho 1 hora_hecho 0 delito 0 categoria_delito 0 fiscalia 1 agencia 0 unidad_investigacion 2 colonia_catalogo 530 alcaldia_hecho 0 anio_hecho 1 mes_hecho 1 dtype: int64 -----------------------------------
| anio_inicio | mes_inicio | fecha_inicio | fecha_hecho | hora_hecho | delito | categoria_delito | fiscalia | agencia | unidad_investigacion | colonia_catalogo | alcaldia_hecho | anio_hecho | mes_hecho | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2024 | Agosto | 2024-08-31 | 1975-01-30 | 06:00:00 | PRIVACION DE LA LIBERTAD PERSONAL | DELITO DE BAJO IMPACTO | FISCALÍA DE INVESTIGACIÓN TERRITORIAL EN ALVAR... | UAT-AO-4 | UI-1SD | San Angel | ALVARO OBREGON | 1975 | Enero |
| 1 | 2023 | Enero | 2023-01-20 | 1995-10-01 | 16:30:00 | PRIVACION DE LA LIBERTAD PERSONAL | DELITO DE BAJO IMPACTO | FISCALÍA DE INVESTIGACIÓN Y PERSECUCIÓN DE LOS... | B | 2 SIN DETENIDO | Bosque De Chapultepec I Seccion | MIGUEL HIDALGO | 1995 | Octubre |
In [18]:
#Creación de columna intervalo
df_hora_delito['intervalo_hora']=df_hora_delito['hora_hecho'].str[:2]
print(df_hora_delito.dtypes)
print("-----------------------------------")
print(df_hora_delito.columns)
print("-----------------------------------")
display(df_hora_delito.tail(2))
anio_inicio int64
mes_inicio object
fecha_inicio datetime64[ns]
fecha_hecho datetime64[ns]
hora_hecho object
delito object
categoria_delito object
fiscalia object
agencia object
unidad_investigacion object
colonia_catalogo object
alcaldia_hecho object
anio_hecho Int64
mes_hecho object
intervalo_hora object
dtype: object
-----------------------------------
Index(['anio_inicio', 'mes_inicio', 'fecha_inicio', 'fecha_hecho',
'hora_hecho', 'delito', 'categoria_delito', 'fiscalia', 'agencia',
'unidad_investigacion', 'colonia_catalogo', 'alcaldia_hecho',
'anio_hecho', 'mes_hecho', 'intervalo_hora'],
dtype='object')
-----------------------------------
| anio_inicio | mes_inicio | fecha_inicio | fecha_hecho | hora_hecho | delito | categoria_delito | fiscalia | agencia | unidad_investigacion | colonia_catalogo | alcaldia_hecho | anio_hecho | mes_hecho | intervalo_hora | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6654 | 2025 | Enero | 2025-01-30 20:42:57 | 2025-01-30 16:20:00 | 16:20:00:00 | PRIVACION DE LA LIBERTAD PERSONAL | DELITO DE BAJO IMPACTO | FISCALÍA DE INVESTIGACIÓN DEL DELITO DE SECUESTRO | A | Unidad 2 | Roma Norte | CUAUHTEMOC | 2025 | Enero | 16 |
| 6659 | 2024 | Diciembre | 2024-12-20 16:27:50 | NaT | NaT:00 | PRIVACION DE LA LIBERTAD PERSONAL | DELITO DE BAJO IMPACTO | FISCALÍA DE INVESTIGACIÓN DEL DELITO DE SECUESTRO | E | 3 CON DETENIDO 3 C/D | NaN | IZTAPALAPA | <NA> | NaN | Na |
In [19]:
#Columna intervalo a entero, manejando el valor NaT:00 que Pandas manda al final:
df_hora_delito['intervalo_hora'] = pd.to_numeric(df_hora_delito['hora_hecho'].str[:2],errors='coerce').astype('Int64')
display(df_hora_delito.head(2))
print("-----------------------------------")
print(df_hora_delito.dtypes)
| anio_inicio | mes_inicio | fecha_inicio | fecha_hecho | hora_hecho | delito | categoria_delito | fiscalia | agencia | unidad_investigacion | colonia_catalogo | alcaldia_hecho | anio_hecho | mes_hecho | intervalo_hora | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2024 | Agosto | 2024-08-31 | 1975-01-30 | 06:00:00 | PRIVACION DE LA LIBERTAD PERSONAL | DELITO DE BAJO IMPACTO | FISCALÍA DE INVESTIGACIÓN TERRITORIAL EN ALVAR... | UAT-AO-4 | UI-1SD | San Angel | ALVARO OBREGON | 1975 | Enero | 6 |
| 1 | 2023 | Enero | 2023-01-20 | 1995-10-01 | 16:30:00 | PRIVACION DE LA LIBERTAD PERSONAL | DELITO DE BAJO IMPACTO | FISCALÍA DE INVESTIGACIÓN Y PERSECUCIÓN DE LOS... | B | 2 SIN DETENIDO | Bosque De Chapultepec I Seccion | MIGUEL HIDALGO | 1995 | Octubre | 16 |
----------------------------------- anio_inicio int64 mes_inicio object fecha_inicio datetime64[ns] fecha_hecho datetime64[ns] hora_hecho object delito object categoria_delito object fiscalia object agencia object unidad_investigacion object colonia_catalogo object alcaldia_hecho object anio_hecho Int64 mes_hecho object intervalo_hora Int64 dtype: object
In [20]:
sns.countplot(data=df_hora_delito, x='intervalo_hora')
plt.title("Frecuencia del delito hacia la libertad personal por hora en CDMX", fontsize = 20, color="brown")
plt.xlabel('Hora del hecho', fontsize = 20)
plt.ylabel('Número de registros', fontsize = 20)
plt.show()
4.3.1 Conclusión del análisis por intervalos de horas asociados a las ocurrencias del delito en CDMX:¶
In [21]:
#Conclusiones del gráfico anterior:
print(df_hora_delito.groupby("intervalo_hora")["delito"].count())
intervalo_hora 0 175 1 146 2 115 3 92 4 86 5 116 6 154 7 221 8 273 9 299 10 441 11 389 12 511 13 401 14 402 15 373 16 356 17 342 18 327 19 264 20 325 21 340 22 284 23 223 Name: delito, dtype: int64
4.4 Intervalos por hora asociados a las ocurrencias del delito por alcaldía¶
In [22]:
#Sin valores NaN
df_hora_delito=df_hora_delito[df_hora_delito['intervalo_hora'].notna()]
for alcaldia in lista_alcaldias:
df_filtrado=df_hora_delito[df_hora_delito['alcaldia_hecho'] == alcaldia]
sns.countplot(data=df_filtrado, x='intervalo_hora', order=sorted(df_filtrado['intervalo_hora'].unique()))
plt.title(f"Frecuencia del delito hacia la libertad personal por hora en {alcaldia}", fontsize=16, color="brown")
plt.xlabel('Hora del hecho', fontsize=14)
plt.ylabel('Número de registros', fontsize=14)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
4.4.1 Conclusión del análisis de intervalos de horas asociados a las ocurrencias del delito por alcaldía¶
In [23]:
for alcaldia in lista_alcaldias:
df_alcaldia=df_hora_delito[df_hora_delito['alcaldia_hecho'] == alcaldia]
df_delitos=df_alcaldia['intervalo_hora'].value_counts().reset_index()
print("-----------------------------------")
print(f'El número total de registros de delito por intervalos de hora cometidos en la alcaldía {alcaldia} es: \n {df_delitos}')
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía ALVARO OBREGON es:
intervalo_hora count
0 12 44
1 13 32
2 16 24
3 11 22
4 22 20
5 10 19
6 14 19
7 15 18
8 18 17
9 20 16
10 9 15
11 21 14
12 17 14
13 23 14
14 8 13
15 19 11
16 0 10
17 6 9
18 7 8
19 5 7
20 1 5
21 4 4
22 2 4
23 3 3
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía AZCAPOTZALCO es:
intervalo_hora count
0 11 28
1 10 22
2 12 20
3 14 19
4 9 18
5 18 17
6 8 17
7 13 16
8 15 14
9 16 13
10 23 13
11 5 12
12 22 12
13 7 11
14 6 11
15 20 10
16 17 8
17 21 8
18 1 8
19 19 6
20 2 6
21 0 4
22 4 3
23 3 3
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía BENITO JUAREZ es:
intervalo_hora count
0 13 24
1 12 20
2 14 17
3 17 16
4 20 15
5 10 14
6 18 14
7 15 14
8 9 14
9 21 12
10 16 11
11 8 11
12 11 11
13 7 10
14 19 9
15 23 9
16 22 8
17 6 6
18 0 6
19 2 5
20 1 5
21 3 4
22 5 4
23 4 4
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía COYOACAN es:
intervalo_hora count
0 13 19
1 14 19
2 16 16
3 10 16
4 20 15
5 18 14
6 12 13
7 15 13
8 7 12
9 9 11
10 11 11
11 17 11
12 21 10
13 6 9
14 22 8
15 19 7
16 1 6
17 8 6
18 23 4
19 3 3
20 2 3
21 4 3
22 5 2
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía CUAJIMALPA DE MORELOS es:
intervalo_hora count
0 12 11
1 11 7
2 13 6
3 21 5
4 20 5
5 17 4
6 15 4
7 22 4
8 10 4
9 9 4
10 0 4
11 7 4
12 18 4
13 6 4
14 1 3
15 16 3
16 19 3
17 23 3
18 14 2
19 5 2
20 3 2
21 8 2
22 2 1
23 4 1
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía CUAUHTEMOC es:
intervalo_hora count
0 12 50
1 13 33
2 10 32
3 15 31
4 11 29
5 14 29
6 21 23
7 19 22
8 18 20
9 22 19
10 17 19
11 16 18
12 23 17
13 9 17
14 3 16
15 7 15
16 20 14
17 8 13
18 0 12
19 1 12
20 4 11
21 6 9
22 2 8
23 5 7
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía GUSTAVO A. MADERO es:
intervalo_hora count
0 12 31
1 13 27
2 16 26
3 15 26
4 8 25
5 10 25
6 14 24
7 17 23
8 20 20
9 18 20
10 11 18
11 6 17
12 19 16
13 21 16
14 9 15
15 22 12
16 7 9
17 23 9
18 2 7
19 0 7
20 5 6
21 1 6
22 3 4
23 4 3
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía IZTACALCO es:
intervalo_hora count
0 12 16
1 21 14
2 9 13
3 14 13
4 7 11
5 19 11
6 17 11
7 13 10
8 20 10
9 11 10
10 8 9
11 15 8
12 16 7
13 18 6
14 22 6
15 1 5
16 10 5
17 23 4
18 3 3
19 5 3
20 0 1
21 4 1
22 6 1
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía IZTAPALAPA es:
intervalo_hora count
0 10 233
1 12 210
2 14 192
3 11 177
4 16 177
5 21 170
6 17 167
7 13 164
8 20 162
9 15 157
10 18 153
11 19 138
12 9 137
13 8 130
14 22 129
15 23 124
16 7 92
17 0 92
18 1 74
19 6 63
20 2 57
21 3 44
22 5 44
23 4 37
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía LA MAGDALENA CONTRERAS es:
intervalo_hora count
0 12 9
1 10 9
2 17 7
3 14 6
4 18 6
5 13 6
6 19 5
7 22 4
8 15 4
9 20 3
10 16 3
11 6 3
12 9 3
13 11 3
14 5 2
15 1 2
16 8 2
17 2 1
18 21 1
19 7 1
20 0 1
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía MIGUEL HIDALGO es:
intervalo_hora count
0 12 22
1 11 20
2 15 17
3 14 15
4 16 14
5 9 14
6 18 13
7 2 11
8 10 11
9 13 10
10 7 9
11 17 9
12 4 9
13 22 7
14 20 7
15 8 7
16 0 7
17 21 7
18 1 5
19 19 5
20 6 4
21 3 4
22 23 4
23 5 3
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía MILPA ALTA es:
intervalo_hora count
0 15 5
1 20 5
2 17 4
3 22 3
4 7 3
5 0 3
6 12 3
7 4 2
8 5 2
9 21 2
10 18 2
11 11 2
12 23 2
13 16 2
14 13 2
15 9 1
16 14 1
17 6 1
18 8 1
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía TLAHUAC es:
intervalo_hora count
0 22 13
1 11 11
2 21 10
3 10 9
4 12 9
5 16 7
6 23 7
7 15 7
8 14 6
9 17 6
10 18 6
11 20 6
12 9 5
13 19 5
14 13 5
15 5 4
16 8 4
17 6 3
18 7 3
19 1 2
20 3 2
21 0 2
22 2 1
23 4 1
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía TLALPAN es:
intervalo_hora count
0 15 25
1 13 23
2 11 22
3 22 22
4 12 22
5 21 21
6 8 18
7 17 18
8 10 16
9 7 16
10 18 16
11 9 15
12 14 15
13 20 15
14 16 12
15 19 11
16 0 9
17 23 8
18 5 7
19 1 7
20 2 5
21 6 3
22 4 2
23 3 1
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía VENUSTIANO CARRANZA es:
intervalo_hora count
0 14 20
1 16 19
2 15 19
3 12 17
4 10 16
5 13 16
6 17 16
7 0 14
8 21 14
9 7 13
10 11 13
11 9 12
12 20 12
13 18 11
14 19 10
15 5 10
16 8 10
17 22 9
18 6 8
19 1 5
20 2 4
21 4 4
22 23 4
-----------------------------------
El número total de registros de delito por intervalos de hora cometidos en la alcaldía XOCHIMILCO es:
intervalo_hora count
0 12 14
1 21 13
2 15 11
3 20 10
4 10 10
5 17 9
6 13 8
7 22 8
8 18 8
9 9 5
10 11 5
11 19 5
12 8 5
13 14 5
14 16 4
15 7 4
16 6 3
17 0 3
18 3 3
19 2 2
20 4 1
21 5 1
22 1 1
23 23 1
In [24]:
for alcaldia in lista_alcaldias:
df_alcaldia=df_hora_delito[df_hora_delito['alcaldia_hecho'] == alcaldia]
df_delitos=df_alcaldia['intervalo_hora'].value_counts().reset_index()
df_delitos.columns=['intervalo_hora', 'num_delitos']
max_delitos=df_delitos['num_delitos'].max()
intervalos_maximos=df_delitos[df_delitos['num_delitos'] == max_delitos]
print("-----------------------------------")
print(f'La(s) hora(s) con mayor número de registros de delito en la alcaldía {alcaldia} es (son): \n {intervalos_maximos}')
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía ALVARO OBREGON es (son):
intervalo_hora num_delitos
0 12 44
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía AZCAPOTZALCO es (son):
intervalo_hora num_delitos
0 11 28
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía BENITO JUAREZ es (son):
intervalo_hora num_delitos
0 13 24
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía COYOACAN es (son):
intervalo_hora num_delitos
0 13 19
1 14 19
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía CUAJIMALPA DE MORELOS es (son):
intervalo_hora num_delitos
0 12 11
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía CUAUHTEMOC es (son):
intervalo_hora num_delitos
0 12 50
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía GUSTAVO A. MADERO es (son):
intervalo_hora num_delitos
0 12 31
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía IZTACALCO es (son):
intervalo_hora num_delitos
0 12 16
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía IZTAPALAPA es (son):
intervalo_hora num_delitos
0 10 233
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía LA MAGDALENA CONTRERAS es (son):
intervalo_hora num_delitos
0 12 9
1 10 9
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía MIGUEL HIDALGO es (son):
intervalo_hora num_delitos
0 12 22
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía MILPA ALTA es (son):
intervalo_hora num_delitos
0 15 5
1 20 5
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía TLAHUAC es (son):
intervalo_hora num_delitos
0 22 13
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía TLALPAN es (son):
intervalo_hora num_delitos
0 15 25
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía VENUSTIANO CARRANZA es (son):
intervalo_hora num_delitos
0 14 20
-----------------------------------
La(s) hora(s) con mayor número de registros de delito en la alcaldía XOCHIMILCO es (son):
intervalo_hora num_delitos
0 12 14
In [ ]: